O tidyverse é um conjunto integrado
de pacotes R desenvolvidos para facilitar a manipulação, visualização e
análise de dados de forma consistente e eficiente.
O tidyverse é composto por vários
pacotes, sendo os principais:
ggplot2: Um pacote poderoso para
criação de gráficos baseados na gramática de gráficos. Ele permite criar
visualizações complexas e esteticamente agradáveis com uma sintaxe
declarativa.
dplyr: Oferece funções para
manipulação eficiente de dados, facilitando a filtragem, seleção,
agrupamento, ordenação e resumo de conjuntos de dados.
tidyr: Fornecer ferramentas para
manipulação de dados para torná-los “tidy”. Isso inclui funções para
espalhar (spread) e juntar (gather) dados, entre outras operações de
reformatar.
tibble: Introduz o conceito de
tibble, uma versão moderna de data frames, mais eficiente e fácil de
usar, seguindo os princípios de dados “tidy”.
readr: Oferece funções rápidas e
eficientes para ler dados retos em R. Ele é projetado para ser mais
rápido que as funções base do R, como
read.csv.
purrr: Facilita a aplicação de
funções em listas e vetores, proporcionando uma abordagem mais
consistente e funcional para operações em dados.
stringr: Fornece funções para
manipulação de strings de uma maneira mais intuitiva e consistente do
que as funções base do R.
forcats: Especializado na
manipulação de fatores, permitindo ajustar facilmente os níveis e
rótulos dos fatores.
Para carregar todos esses pacotes utilize
library(tidyverse)
lubridateDatas no R são tratadas como um tipo especial de objeto, com
classe date
O pacote lubridate é uma biblioteca
em R projetada para facilitar a manipulação de datas e tempos de uma
maneira mais intuitiva e eficiente.
Fornece funções simples e consistentes para análise, manipulação e formatação de datas e horas. Veja o exemplo a seguir
data_string <- "08-02-2024"
class(data_string)
#> [1] "character"
data_date <- date(data_string)
data_date
#> [1] "0008-02-20"
class(data_date)
#> [1] "Date"
date() converte a string para data,
mas o resultado não está no padrãodata_string <- "15-02-2024"
data_new = lubridate::dmy(data_string)
data_new
#> [1] "2024-02-15"
class(data_new)
#> [1] "Date"
Existem funções para todas as ordens possíveis:
dmy(), mdy(), myd(), ymd(), ydm()
Criar objetos com classe date a partir de números
e strings em diversos formatos.
data = 08022024 # 08-02-2024
class(data)
#> [1] "numeric"
data_new = dmy(data)
class(data_new)
#> [1] "Date"
dmy_h(), dmy_hm()
e dmy_hms().dmy_hms(08022024163010) # 08-02-2024 16h:30:10
#> [1] "2024-02-08 16:30:10 UTC"
datedata <- dmy("08/02/2024")
hour(data) <- 20
data
#> [1] "2024-02-08 20:00:00 UTC"
Permite extrair componentes específicos de uma data ou hora, como dia, mês, ano, hora, minuto e segundo.
Funções para extrair os componentes de um objeto da classe
date.
second() - extrai os segundos.
minute() - extrai os minutos.
hour() - extrai a hora.
wday() - extrai o dia da semana.
mday() - extrai o dia do mês.
month() - extrai o mês.
year() - extrai o ano.
minha_data = dmy("08/02/2024")
print(paste("Dia:", day(minha_data),
"Mês:", month(minha_data),
"Ano:", year(minha_data)))
#> [1] "Dia: 8 Mês: 2 Ano: 2024"
data <- dmy("08/02/2024")
data - days(1)
#> [1] "2024-02-07"
data + years(1)
#> [1] "2025-02-08"
data + weeks(0:10)
#> [1] "2024-02-08" "2024-02-15" "2024-02-22" "2024-02-29" "2024-03-07"
#> [6] "2024-03-14" "2024-03-21" "2024-03-28" "2024-04-04" "2024-04-11"
#> [11] "2024-04-18"
minha_data = "08/02/2024"
duracao <- difftime(dmy(minha_data), ymd("2023-01-01"), units = "days")
print(duracao)
#> Time difference of 403 days
Quando a data exata da sua análise for relevante, você terá que converter horários para outros fusos
Para fazer essas coisas, o lubridate fornece as
funções with_tz() e force_tz().
jogo_hora <- ymd_hms("2024-02-08 22:00:00", tz = "America/Sao_Paulo")
jogo_hora
#> [1] "2024-02-08 22:00:00 -03"
with_tz(jogo_hora, tzone = "America/Manaus")
#> [1] "2024-02-08 21:00:00 -04"
force_tz(jogo_hora, tzone = "America/Manaus") # alteração de fuso horário
#> [1] "2024-02-08 22:00:00 -04"
minha_data = "08/02/2024" %>% dmy()
format(minha_data, "%d de %B de %Y")
#> [1] "08 de fevereiro de 2024"
format(minha_data, "%d/%b/%Y")
#> [1] "08/fev/2024"
format(minha_data, "%d/%m/%Y")
#> [1] "08/02/2024"
date-time (dia, mês, ano, hora, minuto e
segundo), você pode utilizar a função make_datetime() para
uni-los em um único vetor do tipo date-timetab <- tibble::tibble(
ano = 2020,
mês = 5,
dia = c(15, 16, 16, 18, 19),
hora = c(9, 11, 12, 8, 14),
minuto = c(7, 23, 19, 15, 30),
segundo = c(34, 11, 5, 17, 49)
)
tab
#> # A tibble: 5 × 6
#> ano mês dia hora minuto segundo
#> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
#> 1 2020 5 15 9 7 34
#> 2 2020 5 16 11 23 11
#> 3 2020 5 16 12 19 5
#> 4 2020 5 18 8 15 17
#> 5 2020 5 19 14 30 49
tab_new <- tab %>% mutate(
date_time = make_datetime(
year = ano, month = mês, day = dia,
hour = hora, min = minuto, sec = segundo
)
)
tab_new
#> # A tibble: 5 × 7
#> ano mês dia hora minuto segundo date_time
#> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dttm>
#> 1 2020 5 15 9 7 34 2020-05-15 09:07:34
#> 2 2020 5 16 11 23 11 2020-05-16 11:23:11
#> 3 2020 5 16 12 19 5 2020-05-16 12:19:05
#> 4 2020 5 18 8 15 17 2020-05-18 08:15:17
#> 5 2020 5 19 14 30 49 2020-05-19 14:30:49